ImageClassificationJob الفصل

تكوين مهمة تصنيف الصور متعددة الفئات ل AutoML.

تهيئة مهمة AutoML جديدة متعددة الفئات لتصنيف الصور.

توريث

azure.ai.ml.entities._job.automl.image.automl_image_classification_base.AutoMLImageClassificationBase

ImageClassificationJob

الدالمنشئ

ImageClassificationJob(*, primary_metric: str | ClassificationPrimaryMetrics | None = None, **kwargs)

المعلمات

primary_metric

مطلوب

المقياس الأساسي الذي يجب استخدامه للتحسين

kwargs

مطلوب

وسيطات خاصة بالوظيفة

الأساليب

dump	تفريغ محتوى المهمة في ملف بتنسيق YAML.
extend_search_space	أضف مساحة بحث لمهام AutoML Image Classification وImage Classification Multilabel.
set_data
set_limits	تحديد الإعدادات لكافة أعموديات صور AutoML.
set_sweep	إعدادات المسح لجميع أعموديات صور AutoML.
set_training_parameters	تعيين معلمات تدريب الصور لتصنيف صور AutoML وتصنيف الصور متعدد المهام.

dump

تفريغ محتوى المهمة في ملف بتنسيق YAML.

dump(dest: str | PathLike | IO, **kwargs) -> None

المعلمات

dest

Union[<xref:PathLike>, str, IO[AnyStr]]

مطلوب

المسار المحلي أو دفق الملف لكتابة محتوى YAML إليه. إذا كان dest مسار ملف، فسيتم إنشاء ملف جديد. إذا كان dest ملفا مفتوحا، فستتم كتابة الملف مباشرة.

kwargs

dict

وسيطات إضافية لتمريرها إلى مسلسل YAML.

استثناءات

FileExistsError

يرفع إذا كان dest هو مسار ملف والملف موجود بالفعل.

IOError

يرفع إذا كان dest ملفا مفتوحا وكان الملف غير قابل للكتابة.

extend_search_space

أضف مساحة بحث لمهام AutoML Image Classification وImage Classification Multilabel.

extend_search_space(value: SearchSpace | List[SearchSpace]) -> None

المعلمات

value

Union[ImageClassificationSearchSpace, List[ImageClassificationSearchSpace]]

مطلوب

حدد إما مثيل ImageClassificationSearchSpace أو قائمة ImageClassificationSearchSpace للبحث من خلال مساحة المعلمة

استثناءات

FileExistsError

يرفع إذا كان dest هو مسار ملف والملف موجود بالفعل.

IOError

يرفع إذا كان dest ملفا مفتوحا وكان الملف غير قابل للكتابة.

set_data

set_data(*, training_data: Input, target_column_name: str, validation_data: Input | None = None, validation_data_size: float | None = None) -> None

استثناءات

FileExistsError

يرفع إذا كان dest هو مسار ملف والملف موجود بالفعل.

IOError

يرفع إذا كان dest ملفا مفتوحا وكان الملف غير قابل للكتابة.

set_limits

تحديد الإعدادات لكافة أعموديات صور AutoML.

set_limits(*, max_concurrent_trials: int | None = None, max_trials: int | None = None, timeout_minutes: int | None = None) -> None

المعلمات

timeout_minutes

timedelta

مهلة مهمة AutoML.

استثناءات

FileExistsError

يرفع إذا كان dest هو مسار ملف والملف موجود بالفعل.

IOError

يرفع إذا كان dest ملفا مفتوحا وكان الملف غير قابل للكتابة.

set_sweep

إعدادات المسح لجميع أعموديات صور AutoML.

set_sweep(*, sampling_algorithm: str | Random | Grid | Bayesian, early_termination: BanditPolicy | MedianStoppingPolicy | TruncationSelectionPolicy | None = None) -> None

المعلمات

sampling_algorithm

مطلوب [مطلوب] نوع خوارزميات أخذ عينات المعلمات الفائقة. تتضمن القيم المحتملة: "Grid" و"Random" و"Bayesian".

early_termination

Union[ BanditPolicy, MedianStoppingPolicy, TruncationSelectionPolicy]

نوع نهج الإنهاء المبكر.

استثناءات

FileExistsError

يرفع إذا كان dest هو مسار ملف والملف موجود بالفعل.

IOError

يرفع إذا كان dest ملفا مفتوحا وكان الملف غير قابل للكتابة.

set_training_parameters

تعيين معلمات تدريب الصور لتصنيف صور AutoML وتصنيف الصور متعدد المهام.

set_training_parameters(*, advanced_settings: str | None = None, ams_gradient: bool | None = None, beta1: float | None = None, beta2: float | None = None, checkpoint_frequency: int | None = None, checkpoint_run_id: str | None = None, distributed: bool | None = None, early_stopping: bool | None = None, early_stopping_delay: int | None = None, early_stopping_patience: int | None = None, enable_onnx_normalization: bool | None = None, evaluation_frequency: int | None = None, gradient_accumulation_step: int | None = None, layers_to_freeze: int | None = None, learning_rate: float | None = None, learning_rate_scheduler: str | LearningRateScheduler | None = None, model_name: str | None = None, momentum: float | None = None, nesterov: bool | None = None, number_of_epochs: int | None = None, number_of_workers: int | None = None, optimizer: str | StochasticOptimizer | None = None, random_seed: int | None = None, step_lr_gamma: float | None = None, step_lr_step_size: int | None = None, training_batch_size: int | None = None, validation_batch_size: int | None = None, warmup_cosine_lr_cycles: float | None = None, warmup_cosine_lr_warmup_epochs: int | None = None, weight_decay: float | None = None, training_crop_size: int | None = None, validation_crop_size: int | None = None, validation_resize_size: int | None = None, weighted_loss: int | None = None) -> None

المعلمات

advanced_settings

str

إعدادات السيناريوهات المتقدمة.

ams_gradient

bool

تمكين AMSGrad عندما يكون المحسن هو "آدم" أو "adamw".

beta1

float

قيمة 'beta1' عندما يكون المحسن هو 'آدم' أو 'adamw'. لابد أن يكون عددًا عشريًا في النطاق [0، 1].

beta2

float

قيمة 'beta2' عندما يكون المحسن هو 'آدم' أو 'adamw'. لابد أن يكون عددًا عشريًا في النطاق [0، 1].

checkpoint_frequency

int

قم بالتكرار لتخزين نقاط فحص النموذج. يجب أن تكون عدداً صحيحاً موجباً.

checkpoint_run_id

str

معرف التشغيل السابق الذي يحتوي على نقطة تحقق مدربة مسبقا للتدريب المتزايد.

distributed

bool

ما إذا كنت تريد استخدام التدريب الموزع أم لا.

early_stopping

bool

قم بتمكين منطق الإيقاف المبكر في أثناء التدريب.

early_stopping_delay

int

الحد الأدنى لعدد الفترات أو تقييمات التحقق من الصحة للانتظار قبل تتبع تحسين القياس الأساسي للإيقاف المبكر. يجب أن تكون عدداً صحيحاً موجباً.

early_stopping_patience

int

الحد الأدنى لعدد الفترات أو تقييمات التحقق من الصحة مع عدم وجود تحسين قياسي أساسي قبل إيقاف التشغيل. يجب أن تكون عدداً صحيحاً موجباً.

enable_onnx_normalization

bool

تمكين التسوية عند تصدير نموذج ONNX.

evaluation_frequency

int

قم بالتكرار لتقييم مجموعة بيانات التحقق من الصحة للحصول على درجات القياس. يجب أن تكون عدداً صحيحاً موجباً.

gradient_accumulation_step

int

يعني تراكم التدرج تشغيل عدد مكون من خطوات "GradAccumulationStep" دون تحديث أوزان النموذج أثناء تجميع تدرجات تلك الخطوات، ثم استخدام التدرجات المتراكمة لحساب تحديثات الوزن. يجب أن تكون عدداً صحيحاً موجباً.

layers_to_freeze

عدد الطبقات المراد تجميدها للنموذج. يجب أن تكون عدداً صحيحاً موجباً. على سبيل المثال، تمرير 2 كقيمة ل "seresnext" يعني تجميد الطبقة0 والطبقة 1. للحصول على قائمة كاملة بالنماذج المدعومة وتفاصيل حول تجميد الطبقة، يرجى الاطلاع على: https://docs.microsoft.com/en-us/azure/machine-learning/reference-automl-images-hyperparameters#model-agnostic-hyperparameters. # pylint: disable=line-too-long

learning_rate

float

معدل التعلم الأولي. لابد أن يكون عددًا عشريًا في النطاق [0، 1].

learning_rate_scheduler

نوع مُجدول معدل التعلم. يجب أن يكون "warmup_cosine" أو "خطوة". تتضمن القيم المحتملة: "None" و"WarmupCosine" و"Step".

model_name

اسم النموذج المراد استخدامه للتدريب. لمزيد من المعلومات حول النماذج المتاحة، يرجى زيارة الوثائق الرسمية: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

momentum

float

قيمة الزخم عندما يكون المحسن 'sgd'. لابد أن يكون عددًا عشريًا في النطاق [0، 1].

nesterov

bool

تمكين nesterov عندما يكون المحسن 'sgd'.

number_of_epochs

int

عدد فترات التدريب. يجب أن تكون عدداً صحيحاً موجباً.

number_of_workers

int

عدد عمال تحميل البيانات. يجب أن يكون عددا صحيحا غير سالب.

optimizer

نوع المُحسِن. تتضمن القيم المحتملة: "None"، "Sgd"، "Adam"، "Adamw".

random_seed

int

بذور عشوائية لاستخدامها عند استخدام التدريب الحتمية.

step_lr_gamma

float

قيمة غاما عندما يكون مجدول معدل التعلم هو "الخطوة". لابد أن يكون عددًا عشريًا في النطاق [0، 1].

step_lr_step_size

int

قيمة حجم الخطوة عندما يكون مجدول معدل التعلم هو "الخطوة". يجب أن تكون عدداً صحيحاً موجباً.

training_batch_size

int

حجم دفعة التدريب. يجب أن تكون عدداً صحيحاً موجباً.

validation_batch_size

int

حجم دُفعة التحقق من الصحة. يجب أن تكون عدداً صحيحاً موجباً.

warmup_cosine_lr_cycles

float

قيمة دورة جيب التمام عندما يكون مجدول معدل التعلم هو "warmup_cosine". لابد أن يكون عددًا عشريًا في النطاق [0، 1].

warmup_cosine_lr_warmup_epochs

int

قيمة فترات التجهيز عندما يكون مجدول معدل التعلم هو "warmup_cosine". يجب أن تكون عدداً صحيحاً موجباً.

weight_decay

float

قيمة تسوس الوزن عندما يكون المحسن 'sgd' أو 'adam' أو 'adamw'. يجب أن يكون عائما في النطاق[0، 1].

training_crop_size

int

حجم اقتصاص الصورة الذي يتم إدخاله إلى الشبكة العصبية لمجموعة بيانات التدريب. يجب أن تكون عدداً صحيحاً موجباً.

validation_crop_size

int

حجم اقتصاص الصورة الذي يتم إدخاله إلى الشبكة العصبية لمجموعة بيانات التحقق من الصحة. يجب أن تكون عدداً صحيحاً موجباً.

validation_resize_size

int

حجم الصورة التي يجب تغيير حجمها قبل القص لمجموعة بيانات التحقق من الصحة. يجب أن تكون عدداً صحيحاً موجباً.

weighted_loss

int

خسارة مرجحة. القيم المقبولة هي 0 لعدم وجود خسارة مرجحة. 1 للخسارة المرجحة مع sqrt. (class_weights). 2 تعني وجود خسارة مرجحة مع class_weights. لابد أن تكون 0 أو 1 أو 2.

استثناءات

FileExistsError

يرفع إذا كان dest هو مسار ملف والملف موجود بالفعل.

IOError

يرفع إذا كان dest ملفا مفتوحا وكان الملف غير قابل للكتابة.

السمات

base_path

المسار الأساسي للمورد.

المرتجعات

المسار الأساسي للمورد.

نوع الإرجاع

str

creation_context

سياق إنشاء المورد.

المرتجعات

بيانات تعريف الإنشاء للمورد.

نوع الإرجاع

Optional[SystemData]

id

معرف المورد.

المرتجعات

المعرف العمومي للمورد، معرف Azure Resource Manager (ARM).

نوع الإرجاع

Optional[str]

inputs

limits

log_files

ملفات إخراج الوظيفة.

المرتجعات

قاموس أسماء السجلات وعناوين URL.

نوع الإرجاع

Optional[Dict[str, str]]

log_verbosity

outputs

primary_metric

search_space

status

حالة الوظيفة.

تتضمن القيم الشائعة التي تم إرجاعها "قيد التشغيل" و"مكتمل" و"فشل". جميع القيم المحتملة هي:

• NotStarted - هذه حالة مؤقتة تكون فيها كائنات التشغيل من جانب العميل قبل إرسال السحابة.

• البدء - بدأ التشغيل في المعالجة في السحابة. لدى المتصل معرف تشغيل في هذه المرحلة.

• التوفير - يتم إنشاء حساب عند الطلب لتقديم وظيفة معينة.

• التحضير - يتم إعداد بيئة التشغيل وهي في إحدى مرحلتين:

  • بناء صورة Docker

  • إعداد بيئة conda

• في قائمة الانتظار - يتم وضع المهمة في قائمة الانتظار على هدف الحساب. على سبيل المثال، في BatchAI، تكون المهمة في حالة قائمة الانتظار

  أثناء انتظار أن تكون جميع العقد المطلوبة جاهزة.

• قيد التشغيل - بدأت المهمة في التشغيل على هدف الحساب.

• إنهاء - اكتمل تنفيذ التعليمات البرمجية للمستخدم، والتشغيل في مراحل ما بعد المعالجة.

• CancelRequested - تم طلب الإلغاء للوظيفة.

• مكتمل - اكتمل التشغيل بنجاح. يتضمن ذلك كلا من تنفيذ التعليمات البرمجية للمستخدم وتشغيله

  مراحل ما بعد المعالجة.

• فشل - فشل التشغيل. عادة ما توفر الخاصية Error أثناء التشغيل تفاصيل حول السبب.

• تم الإلغاء - يتبع طلب إلغاء ويشير إلى أن التشغيل قد تم إلغاؤه بنجاح الآن.

• NotResponding - بالنسبة إلى عمليات التشغيل التي تم تمكين Heartbeats فيها، لم يتم إرسال رسالة كشف أخطاء الاتصال مؤخرا.

المرتجعات

حالة الوظيفة.

نوع الإرجاع

Optional[str]

studio_url

نقطة نهاية استوديو التعلم الآلي من Microsoft Azure.

المرتجعات

عنوان URL لصفحة تفاصيل الوظيفة.

نوع الإرجاع

Optional[str]

sweep

task_type

الحصول على نوع المهمة.

المرتجعات

نوع المهمة المراد تشغيلها. تتضمن القيم المحتملة: "التصنيف"، و"الانحدار"، و"التنبؤ".

نوع الإرجاع

str

test_data

الحصول على بيانات الاختبار.

المرتجعات

اختبار إدخال البيانات

نوع الإرجاع

Input

training_data

الحصول على بيانات التدريب.

المرتجعات

إدخال بيانات التدريب

نوع الإرجاع

Input

training_parameters

type

نوع الوظيفة.

المرتجعات

نوع الوظيفة.

نوع الإرجاع

Optional[str]

validation_data

الحصول على بيانات التحقق من الصحة.

المرتجعات

إدخال بيانات التحقق من الصحة

نوع الإرجاع

Input